医学3D计算机视觉:研究进展和挑战
医学影像的诊断是许多临床决策的基础,而医学影像的智能分析是医疗人工智能的重要组成部分.与此同时,随着越来越多3D空间传感器的兴起和普及,3D计算机视觉正变得越发重要.本文关注医学影像分析和3D计算机的交叉领域,即医学3D计算机视觉或医学3D视觉.本文将医学3D计算机视觉系统划分为任务、数据和表征3个层面,并结合最新文献呈现这3个层面的研究进展.在任务层面,介绍医学3D计算机视觉中的分类、分割、检测、配准和成像重建,以及这些任务在临床诊断和医学影像分析中的作用和特点.在数据层面,简要介绍了医学3D数据中最重要的数据模态:包括计算机断层成像(computed tomography,CT)、磁共振成像(magnetic resonance imaging,MRI)、正电子放射断层成像(positron emission tomography,PET)等,以及一些新兴研究提出的其他数据格式.在此基础上,整理了医学3D计算机视觉中重要的研究数据集,并标注其数据模态和主要视觉任务.在表征层面,介绍并讨论了2D网络、3D网络和混合网络在医学3D数据的表征学习上的优缺点.此外,针对医学影像中普遍存在的小数据问题,重点讨论了医学3D数据表征学习中的预训练问题.最后,总结了目前医学3D计算机视觉的研究现状,并指出目前尚待解决的研究挑战、问题和方向.
医学影像分析、3D计算机视觉、深度学习、卷积神经网络(CNN)、预训练
25
TP391(计算技术、计算机技术)
国家自然科学基金项目61976137,U1611461
2020-11-30（万方平台首次上网日期，不代表论文的发表时间）
共11页
2002-2012
